CN116843654A - 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 - Google Patents
基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 Download PDFInfo
- Publication number
- CN116843654A CN116843654A CN202310824649.4A CN202310824649A CN116843654A CN 116843654 A CN116843654 A CN 116843654A CN 202310824649 A CN202310824649 A CN 202310824649A CN 116843654 A CN116843654 A CN 116843654A
- Authority
- CN
- China
- Prior art keywords
- door plate
- infrared light
- image
- door panel
- machine vision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims abstract description 16
- 230000002950 deficient Effects 0.000 claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 10
- 238000010330 laser marking Methods 0.000 claims description 4
- 230000000903 blocking effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 abstract 1
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 3
- 238000011179 visual inspection Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,采集图像与预处理,通过工业相机采集门板图像,然后对采集后的图像进行滤波、去噪、锐化处理;提取门板图像中的门板轮廓图像,以门板轮廓拟合其斜外接的包络线,使用最近邻搜寻算法确立门板轮廓的分割点,并确定门板4个角点为基准点;确定各分割点的坐标,并同时计算门板轮廓图像的完整度;计算轮廓线中点到拟合直线的距离作为该边的边直度;通过红外光进行垂直平面扫描,扫描至有缺陷处,红外线发射功率发生变化,并记录变化坐标点。本发明一方面可以检测出门板的真是物理尺寸,另一方面可以检测出门板上的缺陷,并进行实时标记坐标。
Description
技术领域
本发明涉及视觉检测技术领域,特别是涉及基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法。
背景技术
视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。
门板缺陷单靠人眼来观察的话,容易出现疲劳,而且有些缺陷不容易观察出。
发明内容
根据上述需要解决的技术问题,提供基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法。
为实现上述目的,基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,包括以下步骤:
步骤1、采集图像与预处理,通过工业相机采集门板图像,然后对采集后的图像进行滤波、去噪、锐化处理;
步骤2、提取门板图像中的门板轮廓图像,以门板轮廓拟合其斜外接的包络线,使用最近邻搜寻算法确立门板轮廓的分割点,并确定门板4个角点为基准点;
步骤3、确定各分割点的坐标,采用欧式距离度量门板轮廓图像各个端点之间的距离作为门板长度和宽度,并同时计算门板轮廓图像的完整度;
步骤4、采用最小二乘法对分割的轮廓线进行拟合,计算轮廓线中点到拟合直线的距离作为该边的边直度,将4条轮廓线的边直度的最大值作为整个瓷砖轮廓图像的边直度;
步骤5、通过红外光进行垂直平面扫描,扫描至有缺陷处,红外线发射功率发生变化,并记录变化坐标点。
本发明在一较佳实施方式中可进一步配置为,所述步骤1中去噪采用的是小波去噪法。
本发明在一较佳实施方式中可进一步配置为,所述步骤5中的红外光为连续多个单独的红外光并列而成,光斑照射在门板上形成连续的条形光。
本发明在一较佳实施方式中可进一步配置为,所述红外光均为单独控制器控制,并通过控制器计算红外光的射出距离。
本发明在一较佳实施方式中可进一步配置为,所述红外光经过凹陷处时,控制器计算出红外光距离增长,并进行坐标标记。
本发明在一较佳实施方式中可进一步配置为,所述红外光经过凸出处时,红外光经过突出部分的阻挡红外光距离缩短,并进行坐标标记。
本发明在一较佳实施方式中可进一步配置为,所述标记采用激光标记的方式。
有益效果,本发明的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,一方面可以检测出门板的真是物理尺寸,另一方面可以检测出门板上的缺陷,并进行实时标记坐标,不需要人工观察,可以减少人为失误。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护范围。
基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,包括以下步骤:步骤1、采集图像与预处理,通过工业相机采集门板图像,然后对采集后的图像进行滤波、去噪、锐化处理;步骤2、提取门板图像中的门板轮廓图像,以门板轮廓拟合其斜外接的包络线,使用最近邻搜寻算法确立门板轮廓的分割点,并确定门板4个角点为基准点;步骤3、确定各分割点的坐标,采用欧式距离度量门板轮廓图像各个端点之间的距离作为门板长度和宽度,并同时计算门板轮廓图像的完整度;步骤4、采用最小二乘法对分割的轮廓线进行拟合,计算轮廓线中点到拟合直线的距离作为该边的边直度,将4条轮廓线的边直度的最大值作为整个瓷砖轮廓图像的边直度;步骤5、通过红外光进行垂直平面扫描,扫描至有缺陷处,红外线发射功率发生变化,并记录变化坐标点。
所述步骤1中去噪采用的是小波去噪法。
所述步骤5中的红外光为连续多个单独的红外光并列而成,光斑照射在门板上形成连续的条形光,采用多个单独红外光并列后,自顶部到尾部扫描后不会有间隙漏扫。
所述红外光均为单独控制器控制,并通过控制器计算红外光的射出距离,由控制器对相对应的单个红外光进行控制计算。
所述红外光经过凹陷处时,控制器计算出红外光距离增长,并进行坐标标记,因为凹陷处要比平面的水平度低,红外光射出的距离势必要比平面的远,由此可以计算出红外光增长。
所述红外光经过凸出处时,红外光经过突出部分的阻挡红外光距离缩短,并进行坐标标记,凸出部分因为比平面高,所以会阻挡红外光,因此红外光距离会缩短。
所述标记采用激光标记的方式,激光标记可以较为明显快速查找。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体与另一个实体区分开来,而不一定要求或者暗示这些实体存在任何这种实际的关系或者顺序。
以上举例仅仅是对本发明的举例说明,并不构成对本发明的保护范围的限制,凡是与本发明相同或相似的设计均属于本发明的保护范围。
Claims (7)
1.基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,包括以下步骤:
步骤1、采集图像与预处理,通过工业相机采集门板图像,然后对采集后的图像进行滤波、去噪、锐化处理;
步骤2、提取门板图像中的门板轮廓图像,以门板轮廓拟合其斜外接的包络线,使用最近邻搜寻算法确立门板轮廓的分割点,并确定门板4个角点为基准点;
步骤3、确定各分割点的坐标,采用欧式距离度量门板轮廓图像各个端点之间的距离作为门板长度和宽度,并同时计算门板轮廓图像的完整度;
步骤4、采用最小二乘法对分割的轮廓线进行拟合,计算轮廓线中点到拟合直线的距离作为该边的边直度,将4条轮廓线的边直度的最大值作为整个瓷砖轮廓图像的边直度;
步骤5、通过红外光进行垂直平面扫描,扫描至有缺陷处,红外线发射功率发生变化,并记录变化坐标点。
2.根据权利要求1所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述步骤1中去噪采用的是小波去噪法。
3.根据权利要求1所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述步骤5中的红外光为连续多个单独的红外光并列而成,光斑照射在门板上形成连续的条形光。
4.根据权利要求3所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述红外光均为单独控制器控制,并通过控制器计算红外光的射出距离。
5.根据权利要求4所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述红外光经过凹陷处时,控制器计算出红外光距离增长,并进行坐标标记。
6.根据权利要求4所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述红外光经过凸出处时,红外光经过突出部分的阻挡红外光距离缩短,并进行坐标标记。
7.根据权利要求5或6所述的基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法,其特征在于,所述标记采用激光标记的方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310824649.4A CN116843654A (zh) | 2023-07-06 | 2023-07-06 | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310824649.4A CN116843654A (zh) | 2023-07-06 | 2023-07-06 | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116843654A true CN116843654A (zh) | 2023-10-03 |
Family
ID=88173973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310824649.4A Pending CN116843654A (zh) | 2023-07-06 | 2023-07-06 | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843654A (zh) |
-
2023
- 2023-07-06 CN CN202310824649.4A patent/CN116843654A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Di Leo et al. | A vision system for the online quality monitoring of industrial manufacturing | |
CN109916910B (zh) | 光伏玻璃边部缺陷检测系统及相应的方法 | |
KR101773791B1 (ko) | 검사대상 물체의 표면 검사 방법 및 장치 | |
CN110480127B (zh) | 一种基于结构光视觉传感的焊缝跟踪系统及方法 | |
CN112629441B (zh) | 3d曲面玻璃轮廓扫描检测方法及系统 | |
CN103543161A (zh) | 一种连铸坯表面质量在线检测方法 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN104634791A (zh) | 条形工件表面缺陷全方位视觉在线检测系统 | |
CN102175692A (zh) | 织物坯布疵点快速检测系统及方法 | |
CN107610085A (zh) | 一种基于计算机视觉的焊点缺陷检测系统 | |
CN114486732B (zh) | 一种基于线扫描三维的瓷砖缺陷在线检测方法 | |
CN102455171A (zh) | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 | |
CN115345876B (zh) | 一种基于超声图像的螺栓螺纹缺陷检测方法 | |
CN102854195B (zh) | 彩色滤光片上缺陷坐标的检测方法 | |
CN110096980A (zh) | 字符检测识别系统 | |
CN104568956A (zh) | 基于机器视觉的带钢表面缺陷的检测方法 | |
CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
CN117195439B (zh) | 一种大轴径全剖式机械密封性能的智能优化方法 | |
CN110516725B (zh) | 基于机器视觉的木板条纹间距和颜色的检测方法 | |
CN116843654A (zh) | 基于机器视觉的轨道交通电器柜门板尺寸及缺陷检测方法 | |
CN107014830A (zh) | Ito导电玻璃检测方法与检测装置 | |
CN105095897A (zh) | 一种基于梯度图像和相似度加权的数字识别方法 | |
CN113358026B (zh) | 基于双线阵ccd相机的物体位置和轮廓信息的检测方法 | |
CN112837285B (zh) | 一种板面图像的边缘检测方法及装置 | |
JPH03175343A (ja) | 外観検査による欠陥抽出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |